AI lập trình: Từ 'phụ lái' đến 'cơ trưởng'

TTCT - Làn sóng trí tuệ nhân tạo (AI) tiếp theo được hứa hẹn có khả năng tư duy như một lập trình viên để viết những phần mềm tốt hơn, thậm chí tự lập trình ra chính mình.

Khi AI bắt đầu trở nên phổ biến cách đây vài năm, một trong những nghề được tiếp cận sớm nhất với sức mạnh của công nghệ này là các lập trình viên. Công việc của họ thường đòi hỏi khả năng tra cứu, tổng hợp kiến thức và suy luận logic - những việc rất phù hợp với thế mạnh của AI.

Thị trường ứng dụng AI trong lĩnh vực lập trình vì thế cũng khá sôi động với sự tham gia của nhiều ông lớn như GitHub Copilot của Microsoft, Amazon Q Developer của Amazon, hay Gemini Code Assist của Google.

Điểm chung của các dịch vụ này là AI đóng vai trò như trợ lý (assistant) hoặc 'phi công phụ' (copilot), hỗ trợ người kỹ sư lập trình bằng cách gợi ý những dòng mã lệnh tiếp theo một cách thông minh.

Giờ đây, thế hệ AI tiếp theo với cách tiếp cận mới hứa hẹn sẽ sắm luôn vai trò cơ trưởng và biến lập trình viên trở thành người giám sát - kiểm tra - phê duyệt là chính, thay vì lập trình.

Lập trình - mỏ vàng của AI

Github Copilot ra mắt vào năm 2022 và hiện đang được hàng triệu lập trình viên trên toàn thế giới sử dụng, trong khi hàng triệu người khác đang sử dụng các dịch vụ tương tự như Claude của Anthropic, ChatGPT của OpenAI và Gemini của Google hằng ngày, theo tạp chí MIT Technology Review. Cuối tháng 1, rộ tin Công ty ByteDance - chủ sở hữu mạng xã hội chia sẻ video TikTok - cũng vừa ra mắt một môi trường lập trình tích hợp (IDE) mang tên Trae được hỗ trợ bởi trợ lý AI.

"Ngày nay, hơn 1/4 tất cả mã lệnh mới tại Google được viết bởi AI, sau đó được các kỹ sư xem xét và chấp nhận. Điều này giúp các kỹ sư của chúng tôi làm được nhiều việc hơn và nhanh hơn" - Sundar Pichai, giám đốc điều hành Alphabet (công ty mẹ Google), tuyên bố hồi tháng 10-2024.

Cuộc chơi không chỉ có các ông lớn. Tessl, start-up về AI có trụ sở tại London, vừa được định giá 750 triệu USD sau vòng Series A và dự tính ra mắt sản phẩm đầu tiên vào đầu năm 2025, theo trang tin công nghệ TechCrunch. Tương tự, một start-up khác là Poolside cũng đã được định giá lên đến 3 tỉ USD dù chưa phát hành chính thức bất kỳ sản phẩm nào, theo tạp chí Fortune.

"Các lập trình viên có vẻ thật sự sẵn sàng trả tiền cho các trợ lý AI, và vì thế lập trình là một trong những cách kiếm tiền dễ dàng nhất từ AI" - MIT Technology Review dẫn lời Nathan Benaich, một nhà phân tích tại công ty đầu tư Air Street Capital.

Tessl và Poolside, bên cạnh các đối thủ mới nổi khác như Zencoder, Merly và Cosine, đều hứa hẹn sẽ đưa các trợ lý AI lên một tầm cao mới.

Thay vì gợi ý tự động hoàn thành đoạn mã lệnh giống như hầu hết các công cụ AI hiện có, thế hệ AI hỗ trợ lập trình tiếp theo có thể tự viết mã lệnh, kiểm thử những gì nó viết, tự tìm ra lỗi và tự sửa như một lập trình viên thực thụ - ít nhất là theo lời giới thiệu của các công ty trên.

Kết quả là các lập trình viên về cơ bản có thể trở thành những người quản lý, dành nhiều thời gian để xem xét và sửa mã lệnh do AI viết hơn là tự mình viết ra mã đó.

Làn sóng AI thứ hai

Khi bàn về tính đúng đắn trong lĩnh vực phát triển phần mềm, có hai mức độ khác nhau. Một là đúng đắn về mặt cú pháp của ngôn ngữ lập trình - nôm na giống như ngữ pháp khi ta học một ngoại ngữ mới, nghĩa là các ký tự đều phải ở đúng vị trí để hợp lại thành một mệnh lệnh hoàn chỉnh mà máy tính có thể hiểu được.

Nhưng so với ngôn ngữ tự nhiên thì tính chính xác trong ngôn ngữ lập trình khắt khe hơn: ta có thể dùng sai ngữ pháp nhưng vẫn nói trọn vẹn ý cần diễn đạt, nhưng chỉ cần sai một ký tự trong hàng nghìn dòng mã lệnh thì có thể sẽ không dòng nào chạy được.

Thế hệ trợ lý lập trình AI đầu tiên làm khá tốt trong việc sản sinh ra những đoạn mã "đúng đắn" theo nghĩa này: chúng đã được huấn luyện bằng hàng tỉ dòng mã lệnh và tiếp thu cú pháp của nhiều ngôn ngữ lập trình khác nhau để vận dụng chính xác.

Tuy nhiên, tính đúng đắn của một chương trình máy tính không chỉ nằm ở những dòng lệnh đơn lẻ, mà chúng còn phải vận hành trơn tru cùng nhau để thực hiện đúng những gì người viết muốn chúng thực hiện. Đây là một trong những khiếm khuyết của thế hệ AI đầu tiên khi có khả năng đưa ra gợi ý mã lệnh rất nhanh và đúng nhưng đến khi chạy thì cho ra kết quả… trật lất, dù không hề có lỗi.

Chính mức độ đúng đắn cao hơn này là mục tiêu mà làn sóng trợ lý AI thứ hai đang hướng tới, và được kỳ vọng sẽ làm thay đổi cách thức tạo ra phần mềm. "Các mô hình ngôn ngữ lớn có thể viết mã chạy được, nhưng chúng không phải lúc nào cũng viết ra chương trình mà bạn muốn. Để làm được điều đó, bạn cần phải tái tạo quá trình suy nghĩ mà một lập trình viên bằng xương bằng thịt trải qua để đi đến kết quả cuối cùng đó" - Alistair Pullen, người đồng sáng lập Cosine, nói với MIT Technology Review.

Mấu chốt vấn đề chính là cách chúng ta đang huấn luyện các trợ lý AI này. Hàng tỉ dòng mã được lấy từ các kho mã nguồn trực tuyến chỉ đại diện cho những sản phẩm phần mềm đã hoàn chỉnh, chứ không thấy được quá trình suy nghĩ hay lập luận của người lập trình viên viết ra chúng.

Những người đi đầu trong làn sóng AI thứ hai đang nhận ra, để xây dựng một mô hình có thể làm nhiều hơn là tự động hoàn thành những gì lập trình viên viết, họ cần phải dạy nó nhiều hơn là những dòng mã lệnh đơn thuần. Họ cần cho nó xem cách thức mà những đoạn mã đó thành hình.

Phương pháp vụn bánh mì

Các nhà khoa học phát triển AI thế hệ mới gọi các bước mà một lập trình viên con người thực hiện để viết ra phần mềm là những dấu vết "vụn bánh mì" mà máy tính có thể lần theo để cho ra kết quả tương tự. Để huấn luyện AI của mình, Cosine thuê một nhóm lập trình viên và yêu cầu họ ghi chép lại tất cả những gì họ làm và suy nghĩ trong lúc thực hiện hàng trăm tác vụ lập trình khác nhau.

Tại sao họ mở tập tin đó lên? Tại sao họ chỉ xem đến một nửa rồi lại tắt nó đi? Đó là ví dụ về những câu hỏi mà nhóm thực hiện cần trả lời. Các lập trình viên cũng được yêu cầu ghi chú bên cạnh các dòng mã lệnh sau khi đã hoàn tất, bao gồm đánh dấu những đoạn mã nào cần sự hiểu biết về một phần khác trong toàn bộ mã nguồn.

Cosine sau đó lấy tất cả thông tin đó và tạo ra một tập dữ liệu tổng hợp lớn, ánh xạ các bước điển hình mà người lập trình viên thực hiện - cũng như các nguồn thông tin mà họ sử dụng - với các đoạn mã hoàn chỉnh. Họ sử dụng tập dữ liệu này để đào tạo một mô hình AI đủ thông minh để biết phải lần theo dấu vết vụn bánh mì nào để tạo ra một chương trình cụ thể, và làm cách nào để lần theo nó.

Poolside - start-up có trụ sở tại San Francisco - cũng tạo ra một tập dữ liệu tổng hợp về quá trình viết mã, nhưng lại thiên về huấn luyện mô hình bằng phương pháp học tăng cường thông qua thực thi mã (RLCE). Với RLCE, mô hình "học" bằng cách tự sửa mã lệnh cho đến khi nào cho ra kết quả càng giống với kết quả được mong đợi càng tốt.

Điều này giống với cách tiếp cận mà DeepMind đã thực hiện với AI chơi cờ vây AlphaGo. AlphaGo được cung cấp các nước đi hợp lệ trên bàn cờ và sau đó tự chơi với chính nó hết lần này đến lần khác, thông qua thử - sai để tìm ra chuỗi nước đi nào dẫn đến chiến thắng và nước đi nào không. Khi phương pháp của AlphaGo được áp dụng vào huấn luyện AI lập trình, có thể hình dung các bước để viết ra một đoạn mã máy tính giống như các "nước đi" hợp lệ trên một bàn cờ, và một chương trình đúng đắn là chương trình "giành chiến thắng" trên bàn cờ đó.

Phương pháp học này không khác mấy so với cách con người học, nhưng mô hình AI dĩ nhiên có thể học nhanh hơn nhiều lần. "Một người lập trình viên có thể thử và thất bại với một thứ một lúc. Các mô hình AI có thể thử 100 thứ cùng lúc" - Kant giải thích.

"Có lẽ vào năm 2025, Meta cũng như các công ty khác đang nghiên cứu về vấn đề này sẽ có một AI có thể có thể lập trình ngang bằng với một kỹ sư bậc trung mà bạn có trong công ty của mình" - Mark Zuckerberg nói trong một tập của chương trình podcast The Joe Rogan Experience phát sóng tháng 1-2025. CEO 40 tuổi cho rằng quá trình chuyển đổi này ban đầu có thể tốn nhiều tiền nhưng sẽ đến lúc toàn bộ mã nguồn các nền tảng của Meta - thậm chí những AI tương lai - sẽ được viết bởi chính AI.

Yang Li, một người đồng sáng lập khác của Cosine, cho rằng tương lai sẽ giống như cách máy rút tiền tự động (ATM) thay đổi ngành ngân hàng: tất cả mọi thứ bạn muốn làm sẽ được quyết định bởi năng lực tính toán thay vì số lượng nhân sự. "Tôi cho rằng người ta nhìn chung đã chấp nhận rằng thời kỳ tuyển dụng hàng nghìn kỹ sư cho tổ chức của bạn đã hết" - ông nói.

Ngày 15-2, lập trình viên AI LamarDealMaker đăng tải một đoạn video lên X, ghi lại cảnh hai "đặc vụ AI" OpenAI Operator và Replit AI Agent phối hợp nhịp nhàng với nhau để viết một ứng dụng web đơn giản. Video cho thấy quy trình trao đổi thông tin diễn ra trơn tru - OpenAI Operator ra yêu cầu để Replit AI Agent viết mã, sau đó kiểm thử và ra lệnh chỉnh sửa khi cần thiết. "Tương lai chính là đây và điều này thật điên rồ" - LamarDealMaker viết. Anh cho biết chỉ phải ra 5 câu lệnh cho bộ đôi AI này, và "mọi thứ diễn ra khá suôn sẻ trong vòng 90 phút và có thể lâu hơn".